動力電池管理系統(tǒng)核心內(nèi)容—SOC估計

在電動汽車中我們要避免電池的過放電、過度充電和過熱等等，因為一次過放電就會造成電池的永久性損壞，過熱甚至?xí)?dǎo)致電池爆炸，這都是BMS（Battery Management System），即動力電池管理系統(tǒng)要嚴格控制的，其中控制的基礎(chǔ)參數(shù)便是SOC（State of Charge）。

什么是SOC？

SOC即電池的荷電狀態(tài)，定義為在一定的放電電流下，當前電池的剩余電量與總的可用電量的比值。通俗來講就是一個反應(yīng)電池剩余電量的一個指標

在公式中，為電池的剩余電量；為蓄電池的總?cè)萘俊?/p>

為什么要進行SOC估計？

SOC可以直接影響到電池的電壓、電流。當我們可以得知SOC時，也就知道了汽車的“油量”。而且電壓電流與動力輸出的效率、能量的管理都有著直接的關(guān)系，所以說SOC是BMS的一個“基礎(chǔ)參數(shù)”，很多管理方式都是基于SOC才能施行。

其次，避免過充過放的保護電路也是基于SOC實現(xiàn)的，當SOC到達指定的上限時，便會停止充電，起到保護電池壽命的作用，放電過程也是如此。

SOC估計也讓我們可以對每個電池的剩余電荷有所了解，通過一定的技術(shù)，可以將SOC少的電池與SOC多的電池均衡，使得SOC較慢到達充電上限或者放電下限，提高我們的總體充放電時間，提高續(xù)航能力。

由于SOC不能直接獲得，因此我們只能通過間接方式對SOC估算，估算方法大致分為三種，包括安式積分法、開路電壓法和卡爾曼濾波法。首先用表格粗略總結(jié)一下這幾個方法的優(yōu)劣。

表1幾種常用的SOC****估算方法比較

安時積分法

安時積分法是最為常用的SOC估算方式。我們都知道Q=It，當電流是不斷變化時，通過對電流在一段時間的積分，便可以得到變化的電荷量。安時積分法也運用了同樣的原理，通過在一定時間內(nèi)對電流進行積分，得到在這段時間內(nèi)的電荷變化量，將初始電荷量減去變化的電荷量，便可以估算當前的SOC。

安時積分法較簡單，但是，當測量的電流值不準確時，SOC估算會有很大誤差；其次充放電效率的判定，在電流波動大和高溫狀態(tài)時會有明顯誤差；而且他對于初始的SOC是無法進行估計的，只能估計一段時間的SOC變化量。所以使用安時積分法時，要綜合考慮環(huán)境狀態(tài)等參數(shù)變化，并對估計得到的SOC進行修正，使得估算的結(jié)果更為準確。

開路電壓法

開路電壓法的主要思路是擬合開路電壓和SOC之間的關(guān)系，如圖1所示，當電池處于實際工作狀態(tài)時，通過得到的關(guān)系曲線，根據(jù)電池兩端的電壓得到當前電池的SOC。那么在實際過程中，如何擬合開路電壓和SOC之間的關(guān)系呢？

圖 1串聯(lián)式混合動力

在進行實際操作時，首先將電池電量充滿，之后經(jīng)過一段時間的靜置，使電池內(nèi)部電解質(zhì)均勻分布，得到穩(wěn)定的開路電壓。然后將電池以固定的放電倍率（一般取1C）進行放電，根據(jù)該放電過程得到電池SOC，從而建立開路電壓與SOC之間的關(guān)系曲線。為了得到準確的關(guān)系曲線，通常會經(jīng)過大量反復(fù)試驗。

電池在充放電的初始和末尾階段，開路電壓變化明顯，此時估計比較準確。所以常使用開路電壓法對電池初始SOC進行估計，結(jié)果也比較準確。但是在測量開路電壓時必須將電池靜置1h以上，而且在不同環(huán)境溫度和電池壽命時，SOC差別較大，因此開路電壓法不適用于運行中的電池SOC估算，如果該方法單獨使用只能用于電動汽車駐車階段。

但是隨著電池技術(shù)的不斷發(fā)展，新型磷酸鐵鋰電池已經(jīng)可以在不需要靜置的情況下使用開路電壓發(fā)進行估計，根據(jù)文獻所采用的18650磷酸鋰電池的充放電試驗發(fā)現(xiàn)，可以采用精簡開路電壓法對SOC估算，而且可以滿足精度要求。

測量內(nèi)阻法

除了上述兩種方法外，還有測量內(nèi)阻法，它與開路電壓法具有相似的原理，利用電池電阻與SOC存在線性關(guān)系對SOC估算。但其由于電池內(nèi)阻難以測量和不斷變化，導(dǎo)致估算精度較低。

這些SOC估算方式各有其優(yōu)缺點，在實際情況中一般不單獨使用，而是結(jié)合起來共同估算SOC。徐尖峰等人以開路電壓法估算SOC初值，然后使用測量內(nèi)阻法修正通過電流積分得到的SOC，通過試驗分析，其誤差值在5%以內(nèi)，可以較為精確估算SOC。

卡爾曼濾波法

卡爾曼濾波理論的核心思想是用狀態(tài)空間形式來表示動態(tài)系統(tǒng)，對動態(tài)系統(tǒng)的狀態(tài)做出最小方差意義上的最優(yōu)估算。乍聽起來有點兒嚇人，對于這句話可以這么簡單理解：當你同時擁有兩個傳感器時，測量同一個信號，但是他們總歸有一些差別，那么如何獲得最優(yōu)的結(jié)果呢？我們通常會對這兩個信號結(jié)果取平均，或者為了更加準確根據(jù)傳感器各自特性對結(jié)果進行加權(quán)平均，而卡爾曼濾波就類似于加權(quán)平均。

那么他是怎樣加權(quán)的呢？我們舉一個具體的例子，如圖2所示，橙色和灰色的兩個正態(tài)分布數(shù)據(jù)就是傳感器得到的結(jié)果，他們服從正態(tài)分布，通過卡爾曼濾波，我們可以得到最優(yōu)估計為綠色的正態(tài)分布結(jié)果，在之后的估計中，我們就以綠色部分作為初始的估計值，一步一步迭代下去。

圖 2卡爾曼濾波原理圖

實際估計SOC時采用如圖3所示的流程。也就是兩個傳感器分別為開路電壓法獲得的曲線和等效電路模型，對這兩種方法的結(jié)果進行卡爾曼濾波獲得最優(yōu)SOC估計。

**圖 **3卡爾曼濾波法SOC估計

使用卡爾曼濾波時，我們可以通過一次一次的迭代使得結(jié)果越來越趨向于真實值，因此對于初始值SOC要求不是很高，但是當“傳感器”精度下降或者有很大偏差時，SOC估計效果將會不甚理想，因此如何找到一個精確的等效模型是目前卡爾曼濾波面臨的問題。

SOC估計仍然是電池管理系統(tǒng)的一大重點和難點，文中介紹的SOC這三種估計方法，各有優(yōu)劣，最為基本的就是開路電壓法和安時積分法，人們常常以這兩種方法為基礎(chǔ)，并結(jié)合別的估算方式對安時積分法進行修正，彌補各個方法的不足，例如采用測量內(nèi)阻法，卡爾曼濾波以及一些卡爾曼濾波的變形等，提高SOC估算的精度。

隨著一步步深入研究，越來越多的SOC估算方法被提出，估算精度也相應(yīng)的不斷提升，這將成為動力電池汽車發(fā)展的一大強勁助力。